随着人工智能的高速发展,计算机辅助诊疗手段逐渐成为医疗与智能技术相结合最为常见的方式之一。医疗图像分割是计算机辅助诊疗中至关重要的一步,在实际的临床应用中,医生主要通过对医疗图像进行逐像素的标注来得到分割结果。这种纯手工标注的方式不仅对医生专业能力要求高,而且十分耗时且枯燥（尤其针对三维图像）。随着人工智能技术的不断发展,基于深度学习的自动分割算法能够在很大程度上提高医疗图像的分割效率。然而在实际应用中,自动分割算法存在准确度偏低和鲁棒性不足的问题。交互式分割算法通过引入少量的用户提示实现对分割结果的优化,既降低人工成本,又提高分割准确度,在医疗图像分割领域有着广泛的应用前景。但是,目前市场上缺少将交互式算法应用于医疗图像的平台,导致交互式分割算法在医疗领域难以落地。此外,以三维医疗图像为分割目标的交互式医疗图像分割策略仍然依赖于医生的大量交互操作。因此,具备交互推荐功能的交互式医疗图像分割平台成为当前亟需发展的研究领域。针对上述的问题本文主要工作包括:1.设计并实现了交互式医疗图像分割平台:为了让医生从繁杂的纯人工标注中解放出来,本文采用了前后端分离的架构模式开发了交互式医疗图像分割平台。该平台包含了三个子系统:基于React的医疗图像展示子系统、基于交互式算法的医疗图像分割子系统、基于深度学习的交互范围推荐子系统。2.基于React设计并实现了医疗图像展示子系统:该子系统主要提供加载医疗图像文件并显示图像的功能,在此基础上,扩展了切片切换、图像调整、三视图展示和多窗口显示等查看医疗图像的进阶功能,为后续医生与医疗图像分割算法进行交互奠定基础。3.基于交互式算法设计并实现了医疗图像分割子系统:针对医疗图像纯手工标注工作量大以及纯自动分割鲁棒性不足等问题,该子系统为医生提供交互式医疗图像分割的环境与平台。通过医生人为进行简单的纠错交互,交互式医疗图像分割平台根据其纠错信息更新算法分割结果,大幅提高了医生分割医疗图像的效率。同时,系统将对纠错信息进行持久化,并定时对模型进行训练与替换,进一步提高模型分割准确率。4.基于深度学习设计并实现了交互范围推荐子系统:针对三维医疗图像在交互式分割过程中依赖于大量交互的问题,该子系统为医生提供交互范围的推荐功能,主要从切片推荐和区域推荐两个方面进行推荐。针对切片推荐功能,本文利用启发式算法选取最具代表性的切片,从而进一步减少三维图像切片量大的特点对医生分割效率带来的影响;针对区域推荐功能,本文训练一个置信度网络并基于其推理结果选择置信度较低的区域进行推荐,从而辅助医生精确、快速、高效地辨认分割算法所忽略的区域。以上完成的工作,本文都进行了验证。对于系统实现,本文进行了充分的功能测试和兼容性测试;对于交互范围推荐功能,本文通过实验证明了推荐的有效性。